ECOLE DES HAUTES ETUDES COMMERCIALES

Niveau : 3ème année MGT Module : Gestion Budgétaire

Groupe : 2 Enseignant : KHERRI Abdenacer
Année Académique : 2011/2012 Site web : www.gb-ehec.jimdo.com

Le budget des ventes (méthodes de prévision)

Plan du cours :
1. Les méthodes qualitatives.
2. Les méthodes quantitatives.
2.1. L'ajustement linéaire.
2.2. L'ajustement non linéaire.
2.3. La corrélation.
2.4. Les moyennes mobiles.
2.5. Le lissage exponentiel.

La prévision des ventes est nécessaire car elle constitue le point de départ de la gestion
budgétaire, mais il est hors de portée de lire l'avenir avec certitude. La prévision des ventes
permet à l'entreprise de s'organiser pour :

- Elaborer les budgets prévisionnels.

- Saisir les opportunités éventuelles ou anticiper une évolution défavorable.
- Ajuster les capacités et les charges.
- Constituer les stocks appropriés.
- Disposer d'une planification marketing plus efficace.

1. Les méthodes qualitatives :

Les méthodes qualitatives de prévision des ventes analysent les causes qui pourraient
affecter les ventes d'un produit, ainsi que la vraisemblance et les dates de leur survenance.

On distingue principalement :

 Les enquêtes d'opinions (auprès de la force de vente) : elles font remonter les estimations
des vendeurs par secteur et sont agrégées.
 Les enquêtes d'opinions (auprès des clients ou des utilisateurs).
 La méthode Delphi : basée sur la consultation itérative d'expert. Un questionnaire est
présenté à chaque expert qui doit formuler ses prévisions, les résultats sont utilisés pour
reformuler un nouveau questionnaire et ainsi de suite jusqu'à l'obtention d'un consensus.

[ Page 1 sur 7 ]
2. Les méthodes quantitatives :
Les méthodes quantitatives de prévision des ventes s'appuient principalement sur des
modèles mathématiques et statistiques d'analyse des données avec des comparaisons historiques
(analyse des séries chronologiques).

Une série chronologique (chronique ou temporelle) est une série statistique donnant
l'évolution d'un phénomène en fonction du temps mesuré en intervalles égaux. L'étude de ces
séries est essentielle en sciences commerciales, dès lors que les prévisions sur l'évolution du
phénomène considéré sont fondées sur l'extrapolation du passé.

2.1. L'ajustement linéaire (méthode des moindres carrés) :

La méthode d'ajustement linéaire par la droite des moindres carrés est celle qui minimise
le carré des distances des points ajustés à la droite, distances mesurées parallèlement à l'axe des
ordonnées. L'extrapolation de la tendance permet une prévision des ventes pour les périodes à
venir.

Les formules de calcul de la méthode des moindres carrés sont les suivantes :

 L'équation de la droite d'ajustement :

 Le paramètre (a) :

 Le paramètre (b) :

La représentation graphique de la méthode d'ajustement linéaire est la suivante :

y
Les ventes
Ventes constatées

Extrapolation

Droite d'ajustement

x
Le temps

[ Page 2 sur 7 ]
2.2. L'ajustement non linéaire :

L'évolution générale d'une série n'est pas toujours linéaire, elle peut relever d'autres
modèles. En particulier, les ventes peuvent connaitre une tendance exponentielle ou une
évolution qui impose l'utilisation d'une fonction puissance.

- La fonction exponentielle est de la forme :

En prenant le logarithme décimal de cette expression, on obtient :

En posant , , , on obtient :

C'est l'expression linéaire de la fonction exponentielle, il est possible alors d'appliqué la

méthode de moindres carrés pour déterminer les paramètres A et B, les paramètres a et b sont
ensuite déterminés ainsi : a = 10A et b = 10B

- si le phénomène étudié relève d'une fonction puissance, une démarche similaire peut être
appliquée.

La fonction puissance est de la forme :

On peut écrire :

En posant , , , on obtient :

La méthode de moindres carrés permet de déterminer a et B, le paramètre b est ensuite

déterminer : b = 10B

Remarque : il est possible d'utiliser les logarithmes népériens, les calculs sont alors à adapter
en conséquence.

[ Page 3 sur 7 ]
 La représentation graphique de la méthode d'ajustement non linéaire (exponentiel et
puissance) est la suivante :

y Ventes constatées
Les ventes

Extrapolation

Courbe d'ajustement

x
Le temps

2.3. La corrélation :

On constate parfois une relation de dépendance (corrélation) entre le volume des ventes
(y) que l'on cherche à prévoir et une autre variable (x) qui est déjà connue, la variable (x) peut
être par exemple : les ventes récentes sur un autre marché ou le prix d'un autre produit etc.

Cette relation est souvent linéaire, l'intensité de la relation entre les deux variables est peut
être estimé par le coefficient de corrélation (r).

La valeur de ce coefficient comprise entre -1 et 1, est ainsi interprétée :

 r > 0 : la relation entre x et y évoluent dans le même sens.

 r < 0 : la relation entre x et y évoluent dans le sens contraire.
 r = 0 : absence d'une relation entre x et y.
 r proche de ±1 : une relation étroite (forte) entre x et y.

[ Page 4 sur 7 ]
2.4. Les moyennes mobiles :

Dans les méthodes précédentes, on s'est attaché à prévoir des ventes annuelles à partir de
l'extrapolation d'une tendance passé. Mais le pilotage de l'entreprise exige souvent que l'on
prenne en compte périodes plus courtes (le mois ou le trimestre par exemple), le simple
ajustement d'une tendance passée est alors rarement pertinent dans la mesure où un autre
facteur est souvent déterminant : celui de la saisonnalité des ventes.

y
Variations Tendance
Les ventes saisonnières générale

Variations
accidentelles
x
Le temps

Les moyennes mobiles éliminent les mouvements saisonniers et fournissent la tendance

générale du phénomène observé.

Les formules de calcul des moyennes mobiles sont les suivantes :

 La moyenne mobile non centrée :

ou

 La moyenne mobile centrée :

 Le coefficient saisonnier :

 La formule de prévision des ventes :

[ Page 5 sur 7 ]
Exemple :
Période Ventes (yi) mi Mi Ci

1er trimestre 230 - - -

2ème trimestre 290 337.5 - -

N-2
3ème trimestre 480 342.5 340 1.41

4ème trimestre 350 345 343.75 1.02

1er trimestre 250 362.5 353.75 0.71

2ème trimestre 300 370 366.25 0.82

N-1
3ème trimestre 550 380 375 1.47

4ème trimestre 380 385 382.5 0.99

1er trimestre 290 402.5 393.75 0.74

2ème trimestre 320 410 406.25 0.79

N
3ème trimestre 620 - - -

4ème trimestre 410 - - -

700

600
yi
500
Mi
400
Ventes

300

200

100

0
1 2 3 4 5 6 7 8 9 10 11 12
Période

[ Page 6 sur 7 ]
2.5. Le lissage exponentiel :

Le lissage exponentiel est un modèle de prévision, cette prévision est la moyenne pondérée
de l'observation et de la prévision.

En effet, si on appelle PN la prévision, RN la réalisation pour la période i, et α le coefficient

de lissage (de pondération), la prévision pour la période N+1 peut s'exprimer ainsi :

Cette méthode qui intègre la réalisation et la prévision de la période précédente, est surtout
adaptée à des prévisions à court terme de phénomènes stables, le choix du coefficient de lissage
est essentiel, plus il est proche de 1 plus on accorde d'importance aux réalisations les plus
récentes.

[ Page 7 sur 7 ]